道路交通标志的检测和识别是智能交通系统研究中的一项重要内容,实现交通标志的高效准确识别,可以为正常辅助驾驶系统提供保证,同时也为未来全面实现无人驾驶汽车系统提供了必要条件,具有较大的理论价值和应用前景。本文研究的课题是基于深度学习的方法对道路交通标志进行检测和识别,其最终的目标是可以在复杂交通场景中对交通标识进行检测和识别。行车视频很好的记录了行车过程中的真实交通场景,为此,本文以行车视频为研究材料,检测和识别行车视频序列图像中的交通标志。研究内容如下:(1)提出了一种在行车视频序列图像中检测和识别交通标志的算法,算法在对YOLOV3神经网络结构进行分析的基础上进行了部分结构的改进,使网络更适合行车视频序列图像中交通标志的检测和识别。算法将改进的YOLO-V3网络在交通场景图像数据集上进行训练,然后将训练好的网络作为检测网络,对行车视频图像逐帧检测,实现了行车视频中交通标志的自动检测和识别。(2)提出了一种基于多帧视频图像交通标志特征融合的交通标志检测与识别算法。该算法采用YOLO-V3网络检测首帧交通标志,采用局部特征匹配法搜索其他后续帧的交通标志采用VGG19网络的特征提取层提取特征并进行融合,采用VGG19神经网络的全连接层以及softmax输出层进行特征识别,实验表明,该算法可以提高交通标志的识别准确率。(3)提出了一种基于超分辨图像重建的小尺寸交通标志识别算法。算法解决小尺寸交通标志图像(交通标志图像小于30×30像素)识别准确率较低的问题。算法首先检测到首帧交通标志图像,当判别为小尺寸交通标志图像时,使用FSRCNN超分辨图像重建网络将小尺寸交通标志放大,然后再使用交通标志识别网络进行识别,提高了小尺寸交通标志的识别准确率。